汤森路透自建法律AI大模型，斥资4000万美元

汤森路透正式发布了"Thomson"，这是该公司首款专有的大语言模型（LLM）。这款模型基于中国阿里巴巴集团开源的Qwen模型构建——据公司介绍，目前使用的是Qwen3.5-397B版本。据科技媒体The Decoder报道，汤森路透方面表示，该项目在两年内于人员和算力上的投入约为4000万美元。

目前这一版本仅最后一次正式训练（training run）的成本据称约为45万美元——这一数字虽然经常被媒体提及，但实际上只占真实总成本的一小部分。即便是4000万美元这一数字，也没有涵盖真正的底层价值：来自Westlaw、Practical Law、Checkpoint和路透社（Reuters）数十年积累的内容，以及数百名法律领域专家多年投入项目的工作时间。

一个开源模型如何变成法律模型

汤森路透与伦敦帝国理工学院（Imperial College London）合作，首先针对安全性、伦理和政治中立性，对这一中国开源模型进行了重新对齐。这一中间步骤的内部代号为"Snowdon"，得名于威尔士的一座山峰。此后依次是：在公司专有内容上进行预训练，与法律领域专家一起进行后训练，以及在公司自有的工具环境（例如Westlaw）中进行智能体式强化学习。据公司介绍，迄今为止，用于训练的内容还不到全部可用内容的10%。

汤森路透首席技术官乔尔·赫伦（Joel Hron）向The Decoder透露，该项目的最初方向"大约改变了六次左右"。研究负责人乔纳森·施瓦茨（Jonathan Schwartz）补充说，真正的成就并不在于某一个模型本身，而在于一套可反复使用的"模型工厂"。

Thomson必须为法律领域设定智能的前沿。这与我认为许多前沿实验室正在做的工作截然不同。

如果你只是拿开源模型，而不做这些额外的步骤，它懂得的东西就不会那么多。它不一定符合你自己的价值观，也不会像你后来自己构建的工具那样出色。

需要谨慎看待的跑分

在公司自行进行的测试中，Thomson在斯坦福LegalBench基准测试中获得0.823分，落后于Gemini 3.1 Pro和GPT-5.5。在Harvey Legal Agent Benchmark测试中，它的成绩仅次于Claude Opus 4.8。Thomson在指令遵循能力和高难度的PrBench Legal测试中处于领先，但在推理能力、尤其是编程能力上明显落后。这一对比被认为在方法论上存在偏差：Thomson在测试时采用了测试时扩展（test-time scaling）技术，而GPT-5.5的测试则未启用其推理模式。

在公司内部的深度研究（Deep Research）基准测试中，仅使用网络访问权限时，Thomson的事实准确度得分为0.53，而GPT-5.4的得分为0.65。但当获得公司专有内容访问权限后，Thomson的得分跃升至0.83，略微超过GPT-5.4的0.82。负责这项评估的安德鲁·比恩（Andrew Bean）承认，仅依靠网络访问，这款模型"肯定还算不上"行业领先。值得注意的是，GPT-5.4同样从专有内容访问中获益巨大——数据访问权限的重要性，几乎与专门化训练本身不相上下。SiliconANGLE指出，这些内部结果尚未获得广泛的独立验证；一份包含更多基准测试结果的技术报告将在稍后发布。汤森路透已开始将该模型分享给法律专家和学术机构进行测试。

为什么选择自建，而不是微调前沿模型

为什么不直接微调OpenAI或Anthropic现有的前沿模型，而要自建一个专有模型？公司给出了三个理由：

• 经济性：标准的微调往往会削弱模型的通用能力，并使公司依赖于推理成本和供应商的产品路线图；而一个较小的自有模型，对于像文档审查这类高交易量的任务而言更具成本效益。
• 数据：在Westlaw等公司专有的工具环境中进行训练，恰恰能带来上述观察到的性能飞跃——而这种访问权限，公司不愿开放给任何第三方。
• 累积效应：产品每次更新时的专家评估，都会转化为训练数据，在自有模型体系下不断积累，如同自有资产一样沉淀下来，而不是让外部供应商从中受益。

公司也承认这种做法有其局限性：它只适用于同时具备三种稀缺条件的企业——独家的数据库、内部雇用的数百名领域专家，以及质量可以被客观衡量的工作流程。对于具备这些条件的公司而言，开源社区只会让追赶前沿实验室的时间推迟几个月，而4000万美元也许就足以打造出一款具有竞争力的专用模型。但对于既没有专有数据、也没有评估基础设施的公司来说，一个自建模型的主要成本将体现在持续不断的维护上。

首个应用场景：接入CoCounsel

Thomson首先被集成到汤森路透法律AI助手CoCounsel Legal的"表格分析"（Tabular Analysis）功能中，用于处理大批量的文档审查工作——这正是一个较小、较便宜的模型在经济上更为合理的应用场景。CoCounsel仍然保持多模型架构：管理员依然可以选择其他模型。Thomson并不打算统领整个系统，而是负责处理诸如引用核验之类的子任务。据公司表示，客户数据不会被用于训练。

该模型的一个更小版本，未来将以开放权重的形式在Hugging Face平台上发布，采用非商业许可协议，并将附带一份技术报告和一个开发者门户。此外，公司也已经与多家律师事务所展开初步、且不具约束力的直接授权洽谈。

汤森路透强调了其背后的行业背景：公司的旗舰平台Westlaw拥有超过4万个独立数据库，以及超过150年的法律出版和编辑积累。公司方面表示，掌控自有模型能让公司在部署、治理和未来发展方向上拥有更大的自主权——这是一种"AI主权"的论述。目前，公司已在与多家大型律师事务所和企业就直接访问该模型展开洽谈，其中还包括让客户未来能够根据自身知识体系和工作流程对Thomson进行定制的可能性。

对于中国的律师事务所和企业法务部门来说，这个案例清楚地展示了一款自建语言模型真正具备经济价值所需的前提条件：只有那些拥有数十年积累的独家数据库、内部聘用的领域专家，以及能够客观衡量质量的工作流程的机构，才能以相对有限的预算，打造出足以与前沿实验室相抗衡的专用模型。而对于大多数中国企业而言，通过智能体系统整合现有模型，尤其是用于自动化处理重复性的法律与行政事务，可能仍是更为务实的路径。